본 논문은 지식 집약적인 작업에서의 대규모 언어 모델(LLM)의 한계를 극복하기 위해, LLM과 지식 그래프(GraphRAG)를 결합하는 새로운 접근 방식을 제안합니다. 기존의 GraphRAG 접근 방식의 어려움인 지식 그래프 생성 문제를 해결하기 위해, 도메인 특정 개념의 정교화된 온톨로지와 소스 문서의 개념 기반 사전 분석을 통해 삼중 지식 그래프를 구축하는 방법을 제시합니다. 이는 복잡한 도메인 특정 객체들을 연결하고, 관련 텍스트 구간과 연결하는 과정을 포함합니다. LLM 프롬프트 생성은 비지도 노드 분류 문제로 공식화되어, 정보 밀도, 적용 범위, 그리고 프롬프트 길이를 최적화합니다. 의료 분야의 실험적 평가를 통해, 제안된 방법이 LLM 프롬프트의 정보 밀도, 적용 범위, 배열을 최적화하고 길이를 단축시켜 비용 절감과 더 일관되고 신뢰할 수 있는 LLM 출력을 얻을 수 있음을 보여줍니다.
